Metode Pengujian
E. Metode Pengujian
1. Pengujian Statistik
a. Uji t Statistik
Uji t statistik melihat hubungan atau pengaruh antara variabel independen secara individual terhadap variabel dependen.
1. Hipotesis yang digunakan :
a. Jika Hipotesis positif Ho : βi ≤ 0 Ha : βi > 0
b. Jika Hipotesis negatif Ho : βi ≥ 0 Ha : βi < 0
2. Pengujian satu sisi Jika T tabel ≥ t hitung, Ho diterima berarti variabel independen secara individual tidak berpengaruh secara signifikan terhadap variabel dependen.
Jika T tabel < t hitung, Ho ditolak berarti variabel independen secara individu berpengaruh secara signifikan terhadap variabel dependen.
b. Uji F statistik
Pengujian ini kan memperlihatkan hubungan atau pengaruh antara variabel independen secara bersama-sama terhadap variabel dependen, yaitu dengan cara sebagai berikut : Ho : βi = 0, maka variabel independen secara bersama-sama tidak
mempengaruhi variabel independen. Ha : βi ≠ 0, maka variabel independen secara bersama-sama mempengaruhi variabel dependen. Hasil pengujian adalah : Ho diterima ( tidak signifikan ) jika F hitung < F tabel
df = (n1 = k-1), ( n2 = n – k) Ho ditolak ( signifikan ) jika F hitung > F tabel
df = (n1 = k-1), ( n2 = n – k) Dimana : K : Jumlah variabel , N : Jumlah pengamatan
c. 2 Koefisien Determinasi (R ) R 2 menjelaskan seberapa besar persentasi total variasi variabel
dependen yang dijelaskan oleh model, semakin besar R 2 semakin besar dependen yang dijelaskan oleh model, semakin besar R 2 semakin besar
sedangkan yang bernilai 0 berarti tidak ada hubungan antara variabel tak bebas dengan variabel yang menjelaskan.
2. Pengujian Ekonometrik / Pengujian Asumsi Klasik
Pengujian ini digunakan untuk melihat apakah model yang diteliti akan mengalami penyimpangan asumsi klasik atau tidak, maka pengadaan pemeriksaan terhadap penyimpangan asumsi klasik tersebut harus dilakukan:
a. Autokorelasi Adalah keadaan dimana faktor-faktor pengganggu yang satu dengan yang lain saling berhubungan, pengujian terhadap gejala autokorelasi dapat dilakukan dengan uji Durbin-Watson (DW), yaitu dengan cara membandingkan antara DW statistik ( d ) dengan dL dan dU, jika DW statistik berada diantara dU dan 4- dU maka tidak ada autokorelasi.
Gambar 3.1. Daerah Autokorelasi
Daerah pengambilan keputusan Auto
Tidak ada Daerah Auto korelasi
Daerah
Keragu- korelasi positif
raguan negatif
0 dl du 4-du 4-dl 4
Penentuan ada tidaknya autokorelasi dapat dilihat dengan jelas dalam gambar 3.2 berikut ini : Nilai Statistik
Hasil
0<d<dl Menolak hipotesis nul; ada autokorelasi positif dl≤d≤du
Daerah keragu-raguan; tidak ada keputusan du≤d≤4-du
Menerima hipotesis nul; tidak ada autokorelasi positif/negatif
4-du≤d≤4-dl Daerah keragu-raguan; tidak ada keputusan 4-dl≤d≤4
Menolak hipotesis nul; ada autokorelasi negatif Gambar 3.2 Penentuan autokorelasi Atau dengan cara lain untuk mendeteksi adanya autokorelasi
dalam model bisadilakukan menggunakan uji LM atau Lagrange Multiplier. Salah satu cara untuk menghilangkan pengaruh autokorelasi tersebut adalah dengan memasukkan lag variabel dependen kedalam model regresi. Misalnya pada model regresi : Y = a + b1X1 + b2X2 +b3X3 + DmX4+e yang diyakini terdapat autokorelasi, untuk menghilangkan pengaruh autokorelasi dalam model regresi tersebut dapat dilakukan dengan memasukkan lag variabel dependen (Y) ke dalam model sehingga model regresi tersebut menjadi: Y = a + b1X1 + b2X2 + b3X3 + DmX4+b5Y (t-1) (Gujarati , 2003) dalam model bisadilakukan menggunakan uji LM atau Lagrange Multiplier. Salah satu cara untuk menghilangkan pengaruh autokorelasi tersebut adalah dengan memasukkan lag variabel dependen kedalam model regresi. Misalnya pada model regresi : Y = a + b1X1 + b2X2 +b3X3 + DmX4+e yang diyakini terdapat autokorelasi, untuk menghilangkan pengaruh autokorelasi dalam model regresi tersebut dapat dilakukan dengan memasukkan lag variabel dependen (Y) ke dalam model sehingga model regresi tersebut menjadi: Y = a + b1X1 + b2X2 + b3X3 + DmX4+b5Y (t-1) (Gujarati , 2003)
2 (r 2 ) dengan koefisien determinasi majemuk (R ) regreasi awal atau
2 yang disebut dengan metode Klein rule of Thumbs. Jika r 2 < R maka tidak ada multikolineraitas. ( Gujarati, 2003).
c. Heteroskedastisitas Heteroskedastisitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama. Pengujian terhadap gejala heteroskedastisitas dapat dilakukan dengan melakukan White Test, yaitu dengan cara meregresi residual kuadrat ( Ui2 ) dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel
bebas. Dapatkan nilai R 2 untuk menghitung χ2, di mana χ2 = Obs*R square (Gujarati, 2003).
Uji White Test
Uji
menentukan ada tidaknya heterokedastisitas. ▪ Ho : ρ1 = ρ2 = ....= ρq= 0 , Tidak ada heterokedastisitas ▪ Ha : ρ1 ≠ ρ2 ≠....≠ ρq ≠ 0 , Ada heterokedastisitas
Hipotesis
untuk
Perbandingan antara Obs*R square ( χ2 –hitung )dengan χ2 – tabel, yang menunjukkan bahwa Obs*R square ( χ2 -hitung )< χ2 – tabel, berarti Ho tidak dapat ditolak. Dari hasil uji White Test Perbandingan antara Obs*R square ( χ2 –hitung )dengan χ2 – tabel, yang menunjukkan bahwa Obs*R square ( χ2 -hitung )< χ2 – tabel, berarti Ho tidak dapat ditolak. Dari hasil uji White Test